此节点实现了研究论文《Elucidating the Exposure Bias in Diffusion Models》（arxiv.org/abs/2308.15321v6）中提出的 Epsilon Scaling 方法。其工作原理是在采样过程中缩放预测的噪声，以帮助减少曝光偏差，从而提升生成图像的质量。本实现采用了论文推荐的“均匀调度”（uniform schedule），因其兼具实用性和有效性。

## 输入

| 参数 | 描述 | 数据类型 | 是否必填 | 取值范围 |
| --- | --- | --- | --- | --- |
| `模型` | 将应用 epsilon scaling 补丁的模型。 | MODEL | 是 | - |
| `系数` | 预测噪声的缩放因子。大于 1.0 的值会减少噪声，小于 1.0 的值则会增加噪声（默认值：1.005）。 | FLOAT | 否 | 0.5 - 1.5 |

## 输出

| 输出名称 | 描述 | 数据类型 |
| --- | --- | --- |
| `模型` | 输入模型的补丁版本，其采样过程已应用 epsilon scaling 函数。 | MODEL |

> 本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ [在 GitHub 上编辑](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/Epsilon Scaling/zh.md)

---
**Source fingerprint (SHA-256):** `85c464ce0b2ec2a031a01d9eef5d50fd300be3012499cc061705fb7964110882`